Keras Python（如何為開發者工作）

介紹

Keras是一個強大且易於使用的 Python 庫，用於開發和評估深度學習模型。 最初由François Chollet開發的Keras模型因其簡單性和用戶友好的介面而受到歡迎，是機器學習領域初學者和專家的絕佳選擇。

此外，我們將探討IronPDFPDF 生成庫以及我們如何結合這兩個庫來生成結果並導出到 PDF。 深度模型

Keras的主要功能

1. 使用者友好且模組化

Keras 的口號是「為人類打造的深度學習」，旨在設計成使用簡單、模組化且可擴展。 Keras 模型在出錯時提供明確且可操作的反饋，這有助於開發人員有效地調試和優化他們的模型。

2. 支援多個後端

Keras 可以運行在各種深度學習框架之上，如 TensorFlow、Theano 和 Microsoft Cognitive Toolkit。(CNTK). 這種靈活性讓開發人員能夠選擇最適合其需求的後端。

3. 對神經網絡的廣泛支持

Keras 支援多種神經網路層，包括卷積層、遞歸層和全連接層。 它還支持諸如多輸入和多輸出模型、層共享和模型共享等複雜架構。

4. 預處理工具

Keras 包含數據預處理的工具，例如圖像和文本處理，這些工具簡化了為模型訓練準備數據集的過程。

5. 模型可视化和调试工具

Keras 提供工具來視覺化神經網路的結構並監控訓練過程。 這對於理解模型的行為並進行必要的調整是至關重要的。 最簡單的模型類型是Sequential Keras模型，它只是層的線性堆疊。

安裝

安裝 Keras 很簡單。 你可以使用 pip 安裝它：

pip install keras 
pip install tensorflow

使用 Keras 構建簡單的神經網路

以下是使用 Keras 構建簡單前饋神經網路的示例：

import keras
import numpy as np
import matplotlib.pyplot as plt
def readucr(filename):
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")
classes = np.unique(np.concatenate((y_train, y_test), axis=0))
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.show()
plt.close()

import keras
import numpy as np
import matplotlib.pyplot as plt
def readucr(filename):
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")
classes = np.unique(np.concatenate((y_train, y_test), axis=0))
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.show()
plt.close()

輸出

實際應用

1. 圖像分類

Keras廣泛應用於圖像分類任務。 例如，卷積神經網絡(卷積神經網路 (CNNs))使用Keras建立的模型在圖像識別物體方面可以達到高精確度。

2. 自然語言處理

Keras 提供用於構建模型的工具，這些模型可以處理和理解人類語言。 递归神经网络(循環神經網絡 (RNNs))和长短期记忆(長短期記憶網絡)在Keras中，網絡通常用於情感分析和機器翻譯等任務。

3. 生成模型

Keras 可以用來開發生成模型，例如生成對抗網絡（Generative Adversarial Networks）。(生成對抗網絡)，用來生成類似訓練數據的新數據樣本。

介紹 IronPDF

IronPDF是一個由 Iron Software 開發和維護的強大 Python 庫。 它允許開發人員在 Python 專案中創建、編輯和提取 PDF 內容。 以下是IronPDF的一些主要特點：

1. PDF 產生：

   • 您可以從各種來源生成 PDF，包括 HTML、URL、JavaScript、CSS 和影像格式。
   • 可以在生成的PDF中添加頁眉、頁腳、簽名、附件和安全功能。

2. 性能優化：

   • IronPDF 支援完整的多執行緒和非同步操作。

3. 跨平台相容性：

   • 可在 Windows、macOS、Linux、Docker、Azure 和 AWS 上與 Python 3.7+ 搭配使用。

   要開始，使用 pip 安裝 IronPDF：

pip install ironpdf

安裝後，您可以使用 HTML 內容或 URL 創建 PDF。 以下是範例：

1. HTML 轉換為 PDF:

from ironpdf import ChromePdfRenderer
renderer = ChromePdfRenderer()
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
pdf.SaveAs("ironAwesome.pdf")

from ironpdf import ChromePdfRenderer
renderer = ChromePdfRenderer()
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
pdf.SaveAs("ironAwesome.pdf")

1. URL轉PDF：

from ironpdf import ChromePdfRenderer
renderer = ChromePdfRenderer()
pdf = renderer.RenderUrlAsPdf("https://ironpdf.com/python/")
pdf.SaveAs("ironAwesome.pdf")

from ironpdf import ChromePdfRenderer
renderer = ChromePdfRenderer()
pdf = renderer.RenderUrlAsPdf("https://ironpdf.com/python/")
pdf.SaveAs("ironAwesome.pdf")

IronPDF和Keras Python：生成模型的PDF

安裝

pip install ironpdf
pip install keras
pip install tensorflow

現在生成模型圖並使用以下程式碼將其匯出為 PDF：

import keras
import numpy as np
import matplotlib.pyplot as plt
from ironpdf import * 
# Apply your license key
License.LicenseKey = "your key goes here"
def readucr(filename):
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")
classes = np.unique(np.concatenate((y_train, y_test), axis=0))
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.savefig('data.png') 
plt.show()
plt.close()
ImageToPdfConverter.ImageToPdf("data.png").SaveAs("plot.pdf")

import keras
import numpy as np
import matplotlib.pyplot as plt
from ironpdf import * 
# Apply your license key
License.LicenseKey = "your key goes here"
def readucr(filename):
    data = np.loadtxt(filename, delimiter="\t")
    y = data[:, 0]
    x = data[:, 1:]
    return x, y.astype(int)
root_url = "https://raw.githubusercontent.com/hfawaz/cd-diagram/master/FordA/"
x_train, y_train = readucr(root_url + "FordA_TRAIN.tsv")
x_test, y_test = readucr(root_url + "FordA_TEST.tsv")
classes = np.unique(np.concatenate((y_train, y_test), axis=0))
plt.figure()
for c in classes:
    c_x_train = x_train[y_train == c]
    plt.plot(c_x_train[0], label="class " + str(c))
plt.legend(loc="best")
plt.savefig('data.png') 
plt.show()
plt.close()
ImageToPdfConverter.ImageToPdf("data.png").SaveAs("plot.pdf")

程式碼說明

1. 導入庫

   • 程式碼首先導入必要的庫：

     • Keras：一個受歡迎的深度學習庫。
     • numpy(如 np)：用於數值運算。

     • matplotlib.pyplot(如 plt)：用於創建圖。

     • ironpdf：處理PDF的IronPDF庫。

2. 設定授權金鑰：

   • 該行 License.LicenseKey = "your key" 為 IronPDF 設定授權金鑰。

3. 讀取數據：

   • readucr 函數從具有特定格式的文件中讀取數據。(制表符分隔值).
   • 提取標籤(是)和功能(x)從數據中。

4. 載入訓練和測試數據：

   • 該代碼構建與 "FordA" 數據集相關的訓練和測試數據文件的 URL。
   • 它使用readucr函數加載數據。

5. 繪製數據：

   • 該代碼識別數據集中的唯一類別。

   • 對於每個類別，它選擇第一個實例(c_x_train[0])並繪製其圖表。
   • 圖例表示類別標籤。

6. 保存圖表:

   • 該繪圖儲存為名為「data.png」的圖像文件。

7. 將圖像轉換為 PDF：

   • IronPDF 的 ImageToPdfConverter 將儲存的影像轉換(“data.png”)為PDF文件("plot.pdf").

輸出 PDF

IronPDF 授權

IronPDF如上面的程式碼所示，運行需要授權。 在脚本开头设置许可证密钥，如下所示：

# Apply your license key
License.LicenseKey = "your key goes here"

# Apply your license key
License.LicenseKey = "your key goes here"

如果您對試用授權 IronPDF 庫感興趣，可以從獲取試用授權金鑰這裡.

結論

Keras 人工智慧 Python 庫以其簡單性和靈活性而在深度學習社群中脫穎而出。 它抽象化了构建神经网络过程中的许多复杂性，使开发人员能够专注于设计和试验模型。 無論您是剛開始學習深度學習的初學者，還是有經驗的從業者，Keras 透過其對人類大腦的模擬，提供了將您的想法變為現實所需的工具。

另一方面，IronPDF 是一個多功能的 PDF 生成和操作庫，使得將結果導出為 PDF 變得容易。 擁有這兩項技能將幫助用戶撰寫現代數據科學模型並將輸出導出為PDF以進行結果記錄。